DeepSeek工程师谈开源加速AGI到来：对手是时间

在开源与闭源的路线之争中，DeepSeek给出了自己的答案。据B站视频内容，DeepSeek研究工程师高希在2026年世界互联网大会乌镇峰会人工智能乌镇对话上表示，DeepSeek坚定选择开源的核心逻辑是——让AGI更快到来。

开源不是姿态，而是加速器

高希将AGI定义为比当前AI智能程度更高、被认为与人类智能相当的一种智能形式。他观察到，当前AI技术正以指数级速度发展，从简单翻译到深度推理，每年都有巨大突破。面对如此迅猛的浪潮，高希坦言，DeepSeek^广告的对手不是国内外的大模型公司，而是时间。

在他看来，无论AGI由哪家公司研发，其带来的技术变革都将惠及全人类。因此当AGI到来时，你不会再问它究竟是哪个模型公司带来的。正是基于这一判断，开源成为DeepSeek争分夺秒加速AGI进程的最佳选择。

这一观点与业内对开源价值的讨论形成呼应。闭源路线强调商业壁垒和安全性，而开源路线则押注协作效率。高希的表述提供了一个更务实的视角：开源不是道德选择，而是时间竞赛中的策略选择。

AGI（通用人工智能） 是相对于当前“专用人工智能”（如翻译模型、推荐系统）而言的概念，指在广泛任务上达到或超越人类水平、具备跨领域迁移与推理能力的智能系统。学界对AGI的判定标准尚无共识，常见讨论维度包括：能否自主设定目标、能否在未训练过的新任务上表现良好、是否具备常识与因果推理能力等。高希将其描述为“比当前AI智能程度更高、与人类智能相当”的形态，属于一种较为宽泛的界定。AGI的实现路径存在争论：一方认为需要架构层面的根本突破，另一方认为当前以规模扩展和强化学习为主的路线可以渐进逼近。DeepSeek的开源策略，正是押注后者——通过社区并行试错来压缩“从当前模型到AGI”的探索时间。

新方法立即公开，让同行接力验证

高希举例说明了开源如何在实际研发中发挥作用：研发过程中若发现新方法，如更低成本的训练方式、更优的模型结构，最自然的做法就是立即公开，让更多同行参与测试和验证。如果问题得到解决，大家就能继续攻克下一个难题，从而推动整体进程。

这种“发现即公开”的模式，本质上是把单家公司的研发进度转化为整个社区的并行推进。对于资源有限的研究团队而言，外部验证和复现能显著降低试错成本，避免在已知死胡同里重复投入。

不只开源模型，工程工具也全面开放

除了模型本身，DeepSeek还将内部研发中使用的工程工具全面开源，包括通信库、DeepApp、推理框架、DeepInfer等。这些工具经过实战检验，开源后能让更多开发者和企业复用，共同推动AI技术落地与创新。

这一点值得注意：模型开源往往吸引眼球，但训练和推理的工程链路才是落地瓶颈。通信库和推理框架的开源，意味着中小团队不必从零搭建底层设施，可以把精力放在应用层创新上。

文中提到的通信库、推理框架等属于大模型工程链路的核心组件。通信库负责在多卡、多机训练与推理时高效同步梯度与张量数据，直接决定集群利用率；推理框架则负责将训练好的模型以低延迟、高吞吐的方式部署给用户，涉及算子融合、KV Cache管理、批处理调度等优化。这一层之所以关键，是因为模型权重开源后，用户往往仍受限于“跑不动、跑得慢”。训练侧的存储与并行策略、推理侧的内存与调度策略，构成了落地成本的绝大部分。将这些经过内部实战检验的工具开源，实质上是把大厂积累的工程效率红利外溢给中小团队。

闭源延迟的是全社会的时间成本

高希强调，技术创新需要公开讨论和验证。如果因闭源设造而延迟全社会获得技术红利的时间，反而得不偿失。

这一判断把开源讨论从“是否分享”提升到“时间成本”层面。闭源带来的保护期收益，与全社会延迟获得技术红利的代价之间，需要重新权衡。DeepSeek的选择是押注前者小于后者。

开源与闭源的路线之争是当前AI行业的根本性分歧。闭源路线以商业壁垒和安全性为由，主张模型权重不公开，依靠API或产品化收费；开源路线则以协作效率和透明可复现为卖点，允许任何人下载、修改和商用。前者有利于企业的短期商业回报和风险控制，后者则可能加速技术扩散、降低全社会使用门槛。两种路线并非绝对对立：部分公司采取“开放权重但不开源训练数据”的折中模式。高希的论点将评价标准从“企业收益”切换到“社会时间成本”，认为闭源造成的技术延迟代价高于其保护期收益，这为开源辩论提供了一个可量化的新视角。

开源是开放合作的体现

在高希的表述中，DeepSeek选择开源是为了加速AGI的发展，让技术红利惠及全人类。开源不仅是技术共享，更是开放合作的体现，体现了对未来的责任和担当。

从行业视角看，开源与闭源并非非此即彼。DeepSeek的实践提供了一条参考路径：以开源换速度，以协作换确定性，把竞争焦点从“谁先保密”转向“谁先公开并推动验证”。AGI的终点尚未可知，但通往终点的路上，时间确实是最稀缺的资源。